论文部分内容阅读
论文以托克托县盐渍土为研究对象,以实测土壤高光谱、全盐量及pH值为数据源。对高光谱进行多种数学变换,筛选敏感波段,计算光谱指数,建立基于敏感波段与光谱指数的土壤全盐量及pH值的反演模型,并根据模型指标进行评价。主要研究结论如下:(1)研究区盐渍化严重,全盐量最大值84.90g/kg,最小值为16.10g/kg,均值与变异系数较大,且均值大于中位数,数据正偏,超过一半的土样全盐量大于34.60g/kg,土样全盐量在35-40g/kg居多;pH值在9.28-10.52之间,中位数小于均值,表明大多土样的pH值小于9.97,研究区整体有较强的碱性,对于作物的生长较困难。(2)本研究盐渍土光谱曲线属于“陡坎型”,光谱反射率整体先上升,然后逐渐趋于平缓,再下降的趋势,随着全盐量与pH值增大光谱的反射率也增大,室内光谱的斜率大于室外,室外在1400nm与1900nm处吸收谷更明显。在可见光范围内光谱斜率从大到小依次为:绿光>蓝光>红光>近红外。以局部最大法提取发现光谱曲线有20个反射峰,经连续统去除处理发现有8个明显的吸收谷,1900nm处最明显。(3)室内光谱与全盐量及pH值的相关性均大于室外,对室内光谱反射率经11种数学变换与全盐量的相关性从大到小依次为:倒数一阶微分>对数一阶微分>倒数对数的一阶微分>算术平方根一阶微分>一阶微分>未变换反射率>倒数>对数>算术平方根>倒数的对数>二阶微分>归一化,pH值相关性从大到小依次为:一阶微分>二阶微分>算术平方根一阶微分>对数一阶微分>倒数一阶微分>倒数对数的一阶微分>未变换反射率>算术平方根>对数>倒数的对数>倒数>归一化。一阶微分变换相关性高于其他处理方式,因此在光谱信息提取时,一阶微分变换是一种较好的处理方法。(4)基于敏感波段构建的最小二乘支持向量回归模型的精度优于多元逐步回归模型,该模型R2值达到0.9以上。全盐量单一光谱指数模型的精度从大到小依次为:Difference soil index RI 模型>Difference soil index DI 模型>Salinity index 3 SI3 模型>Salinity index 2 SI2 模型,Difference soil index RI模型的 R2值为 0.624。pH 值单一光谱指数模型的精度从大到小依次为:Salinity index 2 S12模型>Salinity index 3 SI3模型>Salinity index S3 模型>Difference soil index DI 模型>Difference soil index RI 模型,Salinity index 2 SI2模型的R2值为0.667。基于光谱反射率、单一指数、综合指数的多元逐步回归模型精度依次为:指数综合模型>单一指数模型>光谱反射率模型。其中最小二乘支持向量回归模型与综合指数模型精度较高,可对该地区盐渍土全盐量及pH值进行预测。